Не само хората могат да предвидят генетично заболяване и да създадат ново лекарство, но също
Как биолозите изучават човешки протеини?
Повече от 10 години молекулярният биолог Мартин Бекзаедно с колеги се опитаха да създадат подробен модел на комплекси с ядрени пори. Бек го нарича най-голямата молекулярна машина в човешките клетки. Комплексът с ядрени пори контролира потока от молекули, които се вливат и излизат от клетъчното ядро до мястото, където се намира геномът. Във всички клетки съществуват стотици такива комплекси. Всеки от тях се състои от повече от 1000 протеина.
Тези хиляди парчета образуват над 30 протеина.градивни блокове, които се преплитат по различни начини: така че работата с тях е още по-трудна. През 2016 г. екип, ръководен от Бек от Института по биофизика Макс Планк (MPIB), съобщи, че са създали модел, който описва около 30% от комплекса на ядрените пори и почти половината от градивните елементи, с други думи, Nup протеините.
Как алгоритмите научават човешки протеини?
През юли 2021 г. DeepMind, част отAlphabet, компанията майка на Google, представи AI, наречен AlphaFold. Този софтуер може да предвиди триизмерната форма на протеините от тяхната генетична последователност. Изчисленията са извършени с висока точност. Това сериозно промени задачите и интересите на биолозите.
Използвайки AlphaFold, учените успяха да предскажаткаква е формата на човешкия Nup протеин. И по-късно те публикуваха модел, който описва 60% от комплекса на ядрените пори. Това помогна да се разбере как комплексът стабилизира порите и контролира потока от молекули.
AlphaFold мания: защо AI за изучаване на структурата на протеините стана толкова популярен?
По словам биологов, все научное сообщество обхвана AlphaFold-мания. AI започна да се използва за огромно количество изследвания. В някои случаи алгоритъмът помогна за спестяване на време или предостави нови данни. Но AI също има ограничения: някои учени намират неговите прогнози за твърде ненадеждни за тяхната работа. Въпреки това всички признават, че алгоритъмът се справя с обработката на данни по-добре от всеки друг.
Дори самите разработчици на алгоритъма не винагиимат време да разберат в какви други области може да се използва: така че често просто наблюдават как екипи от изследователи правят нови открития, използвайки AlphaFold: от откриването на лекарства и разработването на протеини до произхода на сложния живот.
В средата на юли 2021 г. в публичното пространствосе появи AI код с отворен код, както и друга информация, която ще помогне на учените да започнат да провеждат подобни изследвания като част от тяхната работа. Седмица по-късно DeepMind обяви, че е използвал AlphaFold, за да предскаже структурата на почти всички протеини, произвеждани от хората. Общо екипът е изследвал 365 000 биологични структури. Днес тази база данни се разшири до почти милион структури.
През 2022 г. DeepMind планира да пуснеобщо повече от 100 милиона прогнози за биологичната структура на организмите. Това е почти половината от всички известни протеини - също така този брой е стотици пъти по-висок от протеините, които могат да бъдат определени експериментално.
Инструментът вече помогна на изследователите да намерят новипотенциални протеинови партньори. Учените са използвали AlphaFold, за да предскажат структурите на 65 000 човешки протеинови двойки. А друга група използва AlphaFold и RoseTTAFold за моделиране на взаимодействията между почти всяка двойка протеини, кодирани от дрожди. В резултат на това те откриха повече от 100 неизвестни досега комплекса с ядрени пори.
Как действа Alpha Fold?
AlphaFold използва дълбоки невронни мрежиОбучение: Това е изчислителна структура, която работи като човешкия мозък и разпознава модели в данните. Алгоритъмът беше обучен с помощта на стотици хиляди протеинови структури, които бяха определени експериментално. Ако AI срещне нова последователност, той първо търси в бази данни за подобни случаи.
AlphaFold преминава през подсказките, опитвайки сесимулира 3D изображение на аминокиселини. Експертите смятат, че този софтуер успешно е приложил нови идеи за машинно обучение. По-специално те отбелязват уникален механизъм, наречен "внимание" - той определя кои аминокиселинни съединения са най-важни за работа в даден момент.
Какъв е проблемът с AlphaFold?
Прогнозите за AlphaFold зависят от информацията засвързани протеинови последователности, така че ИИ има някои ограничения. Например, алгоритъмът не може да предвиди ефекта на мутациите върху формата на протеин, по-специално тези, които причиняват заболявания.
Освен това не може да открие как се променят протеинитеформа поради други взаимодействащи протеини или молекули, като лекарства. Но моделът може да оцени увереността на собствената си прогноза за всяка аминокиселинна единица на протеина. Към август 2022 г. DeepMind съобщи, че повече от 400 000 души са използвали бази данни AlphaFold EMBL-EBI.
Как подобни алгоритми ще помогнат на обикновените хора?
Изследователи от фармацевтични и биотехнологични фирми са развълнувани от потенциала на AlphaFold и казват, че алгоритъмът помага за откриването на нови лекарства.
Карън Акинсаня, ръководител на развитиеторазработвайки терапевтици в Schrödinger, отбелязва, че тя и нейните колеги са работили с AlphaFold с резултати, които могат да се нарекат успешни. Те успяха да разработят съединения, които потенциално биха могли да се превърнат в лекарства.
Прочетете още:
MIT създава стационарен топлинен двигател, който превъзхожда турбините
След десет години работа учените поставиха под въпрос стандартния модел на физиката
Вижте как изглежда изгревът на Марс